[發明專利]基于近紅外光譜快速鑒別煙葉黑暴病害及感染程度的方法在審
| 申請號: | 202010417498.7 | 申請日: | 2020-05-18 |
| 公開(公告)號: | CN111562235A | 公開(公告)日: | 2020-08-21 |
| 發明(設計)人: | 遲衡;宋天偉;阮小微 | 申請(專利權)人: | 遲衡 |
| 主分類號: | G01N21/359 | 分類號: | G01N21/359;G06K9/00;G06K9/62;G06N20/00 |
| 代理公司: | 昆明大百科專利事務所 53106 | 代理人: | 李云 |
| 地址: | 325001 浙*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 紅外 光譜 快速 鑒別 煙葉 暴病 感染 程度 方法 | ||
1.基于近紅外光譜快速鑒別煙葉黑暴病害及感染程度的方法,其特征在于,具體包括如下步驟:
(1)收集同時期不同黑暴病害感染程度的新鮮煙葉作為建模訓練集,使用連續流動分析儀獲取訓練集煙葉的總氮含量,并根據總氮含量的高低將訓練集煙葉分為正常生長、輕度感染和嚴重感染三個類別;同時利用手持近紅外光譜儀采集以上煙葉的光譜信息,獲取訓練集煙葉的近紅外光譜信息,建立煙葉近紅外光譜數據訓練集,然后使用小波變換算法、Savitzky-Golay卷積平滑法、多元散射校正法、一階導數法、二階導數法中的一種方法對光譜數據進行預處理,所述對光譜信息的預處理包括消除基線漂移和去除光譜噪聲;
(2)采用極限學習機算法,結合步驟(1)中獲取的預處理后的訓練集煙葉光譜信息和分類標簽,建立近紅外光譜判別分析模型,并對所構建的判別分析模型進行評價;
(3)在與步驟(1)相同的采集條件下,使用手持近紅外光譜儀采集待測新鮮煙葉樣本的近紅外光譜信息,并輸入至步驟(2)建立的近紅外光譜判別分析模型中進行判別分析,快速鑒定待測煙葉樣本是否存在黑暴感染及其感染程度。
2.根據權利要求1所述的基于近紅外光譜快速鑒別煙葉黑暴病害及感染程度的方法,其特征在于,在光譜采集過程中每片煙葉樣本選擇至少5個不同點進行采集,計算獲得5個點的平均光譜曲線作為樣本的最終光譜。
3.根據權利要求1或2所述的基于近紅外光譜快速鑒別煙葉黑暴病害及感染程度的方法,其特征在于,所述步驟(1)中,所述利用手持近紅外光譜儀采集煙葉的光譜信息,近紅外光譜的采集范圍為900-1700nm,其分辨率為4cm-1,掃描次數為32或64次。
4.根據權利要求1或2所述的基于近紅外光譜快速鑒別煙葉黑暴病害及感染程度的方法,其特征在于,所述步驟(2)中,對所述近紅外光譜判別分析模型進行評價的步驟是對所述近紅外光譜判別分析模型的精度進行評價,采用正確識別率為評價指標,準確率越接近100%,近紅外光譜判別分析模型的精度越高。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于遲衡,未經遲衡許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010417498.7/1.html,轉載請聲明來源鉆瓜專利網。





